来源：期刊VIP网 时间：
作者：刘鑫;陈萌;赵志磊;高巍;赵昕;
单位：河北大学质量技术监督学院;计量仪器与系统国家地方联合工程研究中心;河北省能源计量与安全检测技术重点实验室;河北大学地理标志研究院;
摘要：为实现快速鉴别酸枣仁的产地并定量分析掺杂，利用近红外光谱技术（Near-infrared spectroscopy,NIRS）采集了河北、河南、山东、山西和陕西五个产地的样品原始光谱，并测量了各地样品的水分、脂肪和蛋白质含量。采用五种预处理方法去除噪音，并利用偏最小二乘（Partial least squares,PLS）和包含自定义选择层的一维卷积神经网络（One-dimensional convolutional neural network,1DCNN）算法建立定性和定量模型。此外，使用竞争性自适应加权采样（Competitive adaptive reweighted sampling,CARS）和连续投影算法（Successive projection algorithm,SPA）选择特征波长来优化模型。结果表明，河北产地与山东之间差异不明显，与其他产地之间存在明显差异。经过SG一阶导数（Savitzky-Golay derivative 1~(st),SGD1）预处理后的1DCNN在分类模型中表现最佳，预测集的准确率为91.11%。对于不同掺杂水平的邢酸枣仁样品，经过SG导数预处理后的1DCNN模型优于偏最小二乘回归（Partial least squares regression,PLSR）模型，验证集和预测集的决定系数R）超过0.86，剩余预测偏差（Ratio of performance to deviation,RPD）超过2.50。总体而言，结合近红外光谱与1DCNN的方法能实现对不同地理来源酸枣仁的高精度分类与掺杂定量测定。
关键词：酸枣仁;;近红外光谱;;地理来源;;卷积神经网络;;偏最小二乘回归
基金资助：河北省重点研发计划项目（21344801D）;; 国家自然科学基金（32402230）
